- •1.Коньюнкция условий и разбиение пространства входа.
- •Композиция нечетких отношений.
- •Нечеткое инверсное управление и нечеткая система управления с внутренней моделью
- •Алгоритм жесткой кластеризации.
- •Операции над нечеткими множествами. Модификаторы.
- •8. Проектирование нечетких контроллеров (метод Мамдани)
- •2. Нечеткий контроллер с двумя входами и одним выходом
- •9.Нечеткая система управления с плановым изменением коэффициента.
- •10. Оценка параметров заключений по (мнк)
- •11. Адаптивные нейронные нечеткие системы инференции (anfis)
- •12.Импликация Мамдани. Внешнее произведение.Таблица импликаци
- •13. Нечеткая идентификация. Структура и параметры.
- •14. Нечеткий логический вывод для нескольких правил и нескольких входов.
- •Несколько входов (многомерная лингвистическая модель)
- •16. Функциональная схема нечеткого контроллера
- •17. Отношения между нечеткими множествами
- •18. Алгоритм нечеткой кластеризации с-средних
- •19. Моделирование статических объектов упр-я как аппроксимация функций с помощью нейронных сетей (есть только для динамических объектов)((((((((
- •20. Анализ устойчивости тс модели объекта управления в пространстве состояний.
- •22. Нечеткий логический вывод с исп-м отношений. Пример
- •24. Визуализация алгоритма нечеткого логического вывода.
- •25. Понятия о нечетких множествах
- •26. Обучение нейронной сети. Общие сведения.
- •27. Упрощение алгоритма нечеткого логического вывода.
- •28. Обратное распространение ошибки
- •29. Визуализация нечеткого логического вывода.Аккумуляция.
- •30. Параметры алгоритма с-средних
- •31. Проектирование нечетких контроллеров (метод Мамдани)
- •32. Нечеткая логика. Логические связки.
- •33.Проектирование нечетких контроллеров(метод Мамдани). Многомерный нечеткий контроллер.
- •34. Алгоритм обучения anfis
- •35. Максиминная композиция нечетких отношений. Внутренне произведение. Пример.
- •36. Преобразование вход-выход. Кривая управления. Пов-ть управления.
- •37. Табличное изменение коэффициента усиления (супервизорное управление)
- •38. Алгоритм нечеткой кластеризации Густафсона–Кесселя.
- •39. Генетические алгоритмы
- •40. Извлечение правил с помощью кластеризации
- •41.Нечеткий сумматор для контроллеров с 2 входами и 1 выходом
- •42. Нейросетевое прямое и косвенное адаптивное управление с эталонной моделью
- •43. Обратное распространение ошибки. Обновление весовых коэф-в скрытых слоев. Локальные градиенты.
- •44. Модель Такаги-Сугено как квазилинейное устройство
- •45. Контроллер типа Такаги-Сугено
- •46. Нейросетевое управление с адаптивной линеаризацией обратной связью
- •48. Такаги-Сугено модель оу в пространстве состояний
- •49. Нечеткие множества. Синглтоны и лингвистические переменные.
- •50. Моделирование нелинейных динамических оу с помощью нейронных сетей
- •51. Структура интеллектуальной системы управления
- •52. Многослойная нейронная сеть
- •53. Дефаззификация. Методы дефаззификации.
- •54. Нейронная сеть с радиальными базисными функциями
- •56. Синтез нечеткой обратной связи
- •57. Линейные матричные неравенства, основные понятия.
- •58. Аппроксимация функций (моделирование) с помощью нейронных сетей (персептронов)
- •59. Классификация генетических нечетких систем
- •60. Синтез нейронных нечетких сетей. Структура anfis
- •19. Моделирование статических объектов управления как аппроксимация функций с помощью нейронных сетей.
- •Адаптивные нейронные нечеткие системы интерференции (anfis). . Синтез нечетких нейронных сетей
- •5.1. Введение
- •Адаптивные нейронечеткие системы инференции (anfis)
- •Импликация Мамдани. Внешнее произведение. Таблица импликации.
- •Нечеткая идентификация. Структура и параметры
- •Нечеткий логический вывод для нескольких правил и нескольких входов.
- •1. Настройка пид-регулятора
- •3. Перенос параметров пид-регулятора в нечеткий контроллер
- •Анализ устойчивости тс модели объекта управления в пространстве состояний. Анализ устойчивости тс модели объекта
- •1. Настройка пид-регулятора
- •Нечеткий логический вывод (инференция). Пример.
- •Визуализация нечеткого логического вывода. Агрегирование условий и активизация заключений.
- •Математическая модель нейрона. Математическая модель нейрона
- •Нечеткое управление с предсказанием.
- •Визуализация нечеткого логического вывода. Аккумуляция заключений.
- •5.1. Введение
- •Алгоритм обучения anfis
- •Максиминная композиция нечетких отношений. Внутреннее произведение. Пример.
- •Преобразование вход-выход для нечетких контроллеров. Кривая управления и поверхность управления.
- •2.4. Преобразование вход-выход
- •Табличное изменениекоэффициентаусиления (супервизорное управление).
- •2.8. Табличное изменение коэффициента усиления (супервизорное управление)
- •Алгоритм нечеткой кластеризации Густафсона-Кесселя.
- •Генетические алгоритмы. Генетические алгоритмы
- •Модель Такаги-Сугено как квазилинейное (аффинное) устройство. Модель Такаги-Сугено как квазилинейное устройство
- •Контроллер типа Такаги-Сугено.
- •Деффазификация. Методы деффазификации.
- •2.2.5. Дефаззификация
- •Теорема б универсальной аппроксимации.
- •Такаги-Сугено модель объекта управления в пространстве состояний.
- •Табличный контроллер. Билинейная интерполяция.
- •2.3. Табличный контроллер
- •Моделирование нелинейных динамических объектов управления с помощью нейронных сетей.
- •Моделирование нелинейных динамических процессов (объектов)
- •Упрощение алгоритма нечеткого логического вывода.
- •Обратное распространение ошибки. Обновление весовых коэффициентов выходного слоя.
- •4.6. Обратное распространение ошибки
- •Структура интеллектуальной системы управления.
- •Многослойная нейронная сеть. Многослойная нейронная сеть
- •5.1. Введение
- •Структура anfis
36. Преобразование вход-выход. Кривая управления. Пов-ть управления.
Два входа и один выход для контроллера приводят к двухмерной таблице, которую можно отобразить графически в виде поверхности c целью визуального наблюдения. Связь между одним выходом и одним входом контроллера может быть представлена в виде графика зависимости вход-выход. Эти поверхности и графики зависимости помогают при проектировании, когда решается задача выбора ФП и конструирования правил.
Кривая управления. Формой поверхности и графиков можно управлять в некоторой степени за счет манипулирования функциями принадлежности (изменения вида последних). Чтобы наглядно показать влияние вида ФП на характер связи вход - выход, рассмотрим контроллер с одним входом и одним выходом (без потери общности). Нечеткая база правил, называемая пропорциональной, для этого контроллера имеет вид:
1. Если ошибка есть Отр, то выход (управление) есть Отр,
2. Если ошибка есть Нуль, то выход (управление) есть Нуль, (2.37)
3. Если ошибка есть Пол, то выход (управление) есть Пол
и приводит к шести различным графическим зависимостям, представленным на рис. 2.12. Крайняя правая колонка содержит графики зависимости вход-выход, и каждый ряд на рис. 2.12 отображает поведение различных контроллеров. Этим контроллерам соответствуют ФП терм-множества входов в колонке ЕСЛИ и ФП терм-множества выхода в колонке ТО. Результат (график зависимости вход-выход) зависит также от выбора других субъектов проектирования, которые в данном случае выбраны так: для активации используется алгебраическое произведение * (prod), для аккумуляции применяется операция max и для дефаззификации - метод центра тяжести. Если имеется два или более входов, то операция * должна быть выбрана для конъюнкции (для связки и). Указанный выбор необходим и достаточен для получения линейной зависимости (смотри далее).
П
оследующие
комментарии относятся к каждому ряду
(строке), представленному на рис. 2.12.
Треугольные ФП, примененные как в условии, так и в заключении, приводят в результате к волнообразной характеристике (зависимости). По сравнению с линейным нечетким П-контроллером (пунктирная линия) коэффициент усиления не остается неизменным.
Еще одна небольшая проблема: не используется полный диапазон выходного универсума, следовательно, невозможно использовать выходной сигнал на 100 %. Другая проблема: локальный коэффициент усиления меньше или равен коэффициенту линейного контроллера.
2. Применение синглтонов в качестве ФП выхода снимает проблему, связанную с неполным использованием диапазона выходного сигнала. Одноточечному множеству (терму) пол соответствует выход –100, нуль – 0, отр – - 100. При этом преобразование вход-выход является линейным (u=e).
3. ФП с уступами (с горизонтальными отрезками) приводят к появлению горизонтальных отрезков в характеристике вход-выход, а также к высокому коэффициенту усиления при больших отклонениях входного сигнала от нуля. Расширение плоской части среднего терма входа соответственно увеличивает длину горизонтального участка характеристики, расположенного в окрестности нуля. Чем меньше перекрытие между соседними ФП термов входа, тем «круче» наклонные отрезки характеристики.
4. Если резкие изменения в угловых точках характеристики вход-выход порождают проблемы, то такие изменения можно устранить путем использования нелинейных ФП для термов входа.
5. Добавление термов в терм-множество входа лишь делает характеристику вход- выход более « ухабистой».
6. С другой стороны при большом числе термов легче растягивать горизонтальный отрезок около нуля за счет перемещения синглтонов.
С точки зрения теории управления данный нечеткий контроллер представляет собой статический (безынерционный) нелинейный элемент, который можно описать с помощью нелинейного алгебраического уравнения u=f(e).
Эксперименты говорят о том, что путем изменения спецификаций (выбора субъектов) при проектировании можно в определенной степени управлять локальными значениями коэффициента усиления. Использование синглтонов на выходе упрощает решение этой задачи. Во всех рассмотренных на рис. 2.12 случаях в качестве оператора активизации использовалась *, оператора аккумуляции – max, метода дефаззификации COG или COGS. Применение других операторов может дать несколько отличные результаты.
Поверхность управления. Связь между
одним выходом и одним входом контроллера
может быть представлена в виде графика
зависимости вход-выход. При двух входных
и одном выходном сигналах графическое
отображение вход-выход представляет
собой не кривую, а поверхность
управления. Рис. 2.13 отображает в виде
сетчатой поверхности связь между ошибкой
e и скоростью
изменения ошибки ce
с одной стороны (стороны входа), а с
другой стороны − выходом u
контроллера. Представленная на этом
рисунке картина является результатом
применения девяти базовых правил (2.2) с
ФП для термов e и
ce, показанными на рис.
2.14, и поверхность носит более или менее
ухабистый характер. Горизонтально
расположенные плоские площадки
обусловлены наличием плоских вершин
(горизонтальных отрезков) в ФП термов
входа.
Такая плоская площадка вблизи нулевого состояния, другими словами, точка с координатами (e=0, ce=0) говорит о малой чувствительности контроллера к небольшим отклонениям ошибки и скорости ее изменения от нулевого состояния. Это свойство данного контроллера надо отнести к его достоинствам. Дело в том, что хорошая система должна быть малочувствительной к помехам, когда управляемая величина мало отличается от заданного значения. С другой стороны, указанное свойство является недостатком, если ОУ неустойчив, т.к. в этом случае, чтобы удержать управляемую величину вблизи заданного значения, необходимо обеспечить высокий коэффициент усиления (большую чувствительность) системы вблизи состояния равновесия (нулевой точки).
С точки зрения теории управления нечеткий контроллер с двумя входами e и ce, и одним выходом можно рассматривать как статический нелинейный элемент с двумя входами и одним выходом, описываемый уравнением u=f(e,ce).
